Skip to main content
Glama
iamsashank09

LLM Wiki Kit

by iamsashank09

📚 llm-wiki-kit

매 세션마다 AI 에이전트에게 연구 내용을 다시 설명하지 마세요.

License: MIT Python 3.10+


llm-wiki-kit은 AI 에이전트에게 시간이 지남에 따라 축적되는 지속적이고 구조화된 기억력을 제공합니다. PDF, URL, YouTube 동영상을 넣기만 하면 에이전트가 위키를 구축하고, 정보를 연결하며, 모든 세션에 걸쳐 내용을 기억합니다.

Karpathy의 LLM Wiki 패턴을 기반으로 합니다. Claude, Codex, Cursor, Windsurf 및 모든 MCP 호환 에이전트와 함께 작동합니다.

https://github.com/user-attachments/assets/8814a581-1832-4e94-a5df-9e9b6b041507


문제점

새로운 채팅을 시작할 때마다:

You: "Remember that paper on speculative decoding I shared last week?"
Agent: "I don't have access to previous conversations..."
You: *sighs, re-uploads PDF, re-explains context*

에이전트가 이미 알고 있어야 할 내용을 끊임없이 다시 가르치고 있습니다.

Related MCP server: llm-wiki-mcp

해결책

llm-wiki-kit을 사용하면 에이전트가 자체 지식 베이스를 유지합니다:

You: "What did we learn about speculative decoding?"
Agent: *searches wiki* "Based on the 3 papers you've shared, the Eagle 
       architecture shows the best efficiency tradeoffs because..."

위키는 지속됩니다. 상호 참조가 쌓입니다. 소스를 추가할 때마다 에이전트는 더 똑똑해집니다.


⚡ 퀵스타트 (2분)

1. 설치

pip install "llm-wiki-kit[all] @ git+https://github.com/iamsashank09/llm-wiki-kit.git"

2. 위키 초기화

mkdir my-research && cd my-research
llm-wiki-kit init --agent claude

3. 에이전트 연결

Claude Desktop 설정(claude_desktop_config.json)에 추가하세요:

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

OpenAI Codex

codex mcp add llm-wiki-kit -- llm-wiki-kit serve --root /path/to/my-research

Cursor

.cursor/mcp.json에 추가하세요:

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

Windsurf

~/.codeium/windsurf/mcp_config.json에 추가하세요:

{
  "mcpServers": {
    "llm-wiki-kit": {
      "command": "llm-wiki-kit",
      "args": ["serve", "--root", "/path/to/my-research"]
    }
  }
}

4. 사용하기

You: "Ingest this paper: raw/attention-is-all-you-need.pdf"
Agent: *creates wiki pages, cross-references concepts, updates index*

You: "Now ingest https://youtube.com/watch?v=kCc8FmEb1nY"
Agent: *extracts transcript, links to existing transformer concepts*

You: "How does the attention mechanism in the paper relate to Karpathy's explanation?"
Agent: *searches wiki, synthesizes answer from both sources*

이제 에이전트는 세션이 종료되어도 유지되는 지속적인 기억력을 갖게 됩니다.


🔥 차별점

기능

중요성

다중 형식 수집

PDF, URL, YouTube, 마크다운 — 그냥 넣기만 하세요

자동 상호 참조

에이전트가 관련 개념 간에 [[위키 링크]]를 구축합니다

세션 간 지속성

컨텍스트 손실 없이 새로운 채팅 시작

전체 텍스트 검색

에이전트가 관련 페이지를 즉시 찾습니다 (SQLite FTS5)

상태 점검

wiki_lint가 깨진 링크, 고아 페이지, 모순을 찾아냅니다

그래프 시각화

wiki_graph가 지식의 대화형 HTML 맵을 생성합니다 (아래 참조)

제로 락인

폴더 내의 마크다운 파일일 뿐입니다 — Obsidian, VS Code 등 어디서나 확인 가능

모든 MCP 에이전트와 호환

Claude, Codex, Cursor, Windsurf 등


📥 지원되는 소스

에이전트는 무엇이든 수집할 수 있습니다:

입력...

결과...

raw/paper.pdf

추출된 텍스트, 페이지 마커, 메타데이터

https://arxiv.org/abs/...

깔끔한 기사 내용, raw/에 자동 저장

https://youtube.com/watch?v=...

타임스탬프가 포함된 전체 스크립트

raw/notes.md

직접적인 마크다운 수집

필요한 것을 설치하세요:

pip install "llm-wiki-kit[pdf]"      # PDF support
pip install "llm-wiki-kit[web]"      # URL extraction  
pip install "llm-wiki-kit[youtube]"  # YouTube transcripts
pip install "llm-wiki-kit[all]"      # Everything

🧠 작동 원리

┌─────────────────────────────────────────────────────────┐
│  YOU                                                    │
│  "Ingest this paper. How does it relate to X?"         │
└───────────────────────┬─────────────────────────────────┘
                        │
┌───────────────────────▼─────────────────────────────────┐
│  WIKI (agent-maintained)                                │
│                                                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  │
│  │ concepts/    │  │ sources/     │  │ synthesis/   │  │
│  │ attention.md │◄─┤ paper-1.md   │──► cache.md     │  │
│  │ [[linked]]   │  │ [[linked]]   │  │ [[linked]]   │  │
│  └──────────────┘  └──────────────┘  └──────────────┘  │
│                                                         │
│  + index.md (table of contents)                        │
│  + log.md (what happened when)                         │
└───────────────────────┬─────────────────────────────────┘
                        │
┌───────────────────────▼─────────────────────────────────┐
│  RAW SOURCES (immutable)                                │
│  paper.pdf, article.html, transcript.md                 │
└─────────────────────────────────────────────────────────┘

에이전트가 원본 소스를 읽고, 위키 페이지를 작성하며, 연결을 유지합니다. 위키를 직접 건드릴 필요가 없습니다. 에이전트가 모든 작업을 수행합니다.


📊 지식 그래프

wiki_graph는 위키 구조의 대화형 HTML 시각화를 생성합니다:

노드는 유형(소스, 개념, 합성)별로 색상이 구분됩니다. 클릭하고 드래그하여 연결을 탐색하세요.


🛠 사용 가능한 도구

에이전트는 다음과 같은 MCP 도구를 얻습니다:

도구

기능

wiki_ingest

모든 소스(파일, URL, YouTube) 처리

wiki_write_page

위키 페이지 생성 또는 업데이트

wiki_read_page

특정 페이지 읽기

wiki_search

모든 페이지에 대한 전체 텍스트 검색

wiki_lint

깨진 링크, 고아 페이지, 빈 페이지 찾기

wiki_status

개요: 페이지 수, 소스, 최근 활동

wiki_log

작업 로그에 추가

wiki_graph

대화형 HTML 그래프 시각화 생성


💡 사용 사례

연구: 몇 주 동안 논문을 위키에 입력하세요. 모든 읽기 자료를 아우르는 합성 질문을 하세요.

기술 온보딩: 코드베이스 문서를 수집하세요. 에이전트가 축적된 컨텍스트를 바탕으로 아키텍처 질문에 답변합니다.

경쟁 정보: 시장 보고서, 실적 발표, 뉴스를 추가하세요. 에이전트가 정보를 추가할 때마다 업데이트되는 살아있는 지형도를 유지합니다.

학습: YouTube 튜토리얼을 보고 블로그 게시물을 읽으세요. 에이전트가 공부한 모든 내용을 개인화된 위키로 구축합니다.

독서 노트: 읽으면서 챕터를 수집하세요. 에이전트가 등장인물, 주제, 줄거리, 연결 고리를 추적합니다.


🔍 팁

  • Obsidian을 사용하여 위키 그래프를 시각화하세요 — 마크다운 파일 폴더일 뿐입니다.

  • 위키 디렉토리를 Git init하세요 — 버전 기록을 무료로 얻을 수 있습니다.

  • 에이전트가 적극적으로 링크하도록 하세요 — 연결이 많을수록 가치가 커집니다.

  • 주기적으로 린트(lint)를 실행하세요 — 지식 베이스의 모순과 공백을 잡아냅니다.

  • 작게 시작하세요 — 5~10개의 소스만으로도 놀랍도록 유용한 위키를 만들 수 있습니다.


📦 개발

git clone https://github.com/iamsashank09/llm-wiki-kit
cd llm-wiki-kit
uv venv && source .venv/bin/activate
uv pip install -e ".[all]"

🙏 크레딧

Andrej KarpathyLLM Wiki 아이디어를 기반으로 합니다.

📄 라이선스

MIT — 마음대로 사용하세요.

Maintenance

ActivityInactive
ResponsivenessSyncing

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

Related MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/iamsashank09/llm-wiki-kit'

If you have feedback or need assistance with the MCP directory API, please join our Discord server